MétaCan
Menu
Retour à la cohorte
Enregistrement W4399586680 · doi:10.54694/stat.2023.18

Effect of Energy Consumption on Green Bond Issuance

2024· article· en· W4399586680 sur OpenAlexaboutno aff
Çağatay Mirgen, Yusuf Tepeli

Notice bibliographique

RevueStatistika Statistics and Economy Journal · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSustainable Finance and Green Bonds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBondRenewable energyContext (archaeology)Consumption (sociology)BusinessEnergy consumptionBond marketAgricultural economicsFinanceEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Green Bonds are fixed-income securities specifically designed to support climate and environmental projects. The demand for the green bond market is growing every day. Green Bonds are gaining importance as they appeal to environmentally conscious investors and are financial instruments that provide economic benefits. The main motivation of this study is to determine whether energy consumption has an effect on green bond issuance. In this context, the relationship between the green bond issuance amounts of 12 countries, including Australia, Canada, China, France, Germany, Japan, the Netherlands, New Zealand, Norway, Sweden, England and the United States, in the years 2014–2021 and the amount of energy consumption in the same period are analysed by panel data analysis. The findings show that there is a significant relationship between coal, peat and oil shale, oil products, natural gas, renewables and waste, electricity and total energy consumption. In the expected direction there is a linear relationship between sustainable energy resources and the green bond issuance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStatistika Statistics and Economy JournalMême sujetSustainable Finance and Green BondsTravaux en français237 207